关于equals和hashCode

本文详细解析了equals和hashCode在Java中的默认行为及重写原则,强调了它们在散列数据结构中的作用,以及如何避免内存泄漏。同时,探讨了重写时的自反性、对称性、传递性和一致性原则。

含义


 

equal和hashCode都是Object类中的方法

public boolean equals(Object obj) {
        return (this == obj);
    }

public native int hashCode();

 

 

equals默认是比较对象的指针是否指向同样的内存地址。

hashCode是本地方法 : 会根据内存地址转换而来。

重写equals和hashCode原则:  equals一样,则hashCode也必须一致

这个到底很容易想通,对于使用hash散列的数据结构如hashMap,首先会根据对象的hashCode找到桶的位置,再在列表或红黑树中用equals比较对象来判断对象是否已经存在

如果同一个对象,得到的hasCode不一致,则可以在hashMap中存放到多个桶中,导致内存泄漏。

 

equals是比较对象的地址,如果我们判断两个对象时根据内部某些属性来的话,就要重写equals和hashCode

 

重写equals和hashCode


原则:

  • 自反性。对于任何非null的引用值x,x.equals(x)应返回true。

  • 对称性。对于任何非null的引用值x与y,当且仅当:y.equals(x)返回true时,x.equals(y)才返回true。

  • 传递性。对于任何非null的引用值x、y与z,如果y.equals(x)返回true,y.equals(z)返回true,那么x.equals(z)也应返回true。

  • 一致性。对于任何非null的引用值x与y,假设对象上equals比较中的信息没有被修改,则多次调用x.equals(y)始终返回true或者始终返回false。

  • 对于任何非空引用值x,x.equal(null)应返回false。

 

我们看IDEA为我们生成的例子

@Override
    public boolean equals(Object o) {
        if (this == o) return true;
        if (o == null || getClass() != o.getClass()) return false;
        Attr1 attr1 = (Attr1) o;
        return name.equals(attr1.name) &&
                area.equals(attr1.area) &&
                sub.equals(attr1.sub);
    }

    @Override
    public int hashCode() {
        return Objects.hash(name, area, sub);
    }

equals重写

1、优先判断地址是否一样,如果一致,则必然是同一个对象,自然相等。

2、在判断类型是否一致 这里一般有两种选择 getClass或instanceOf操作

3、强制转换后 判断某些域是否相等

对于第2点,我们可以看看差别

public class Test
{
    public static void testInstanceof(Object x)
    {
        System.out.println("x instanceof Parent:  "+(x instanceof Parent));
        System.out.println("x instanceof Child:  "+(x instanceof Child));
        System.out.println("x getClass Parent:  "+(x.getClass() == Parent.class));
        System.out.println("x getClass Child:  "+(x.getClass() == Child.class));
    }
    public static void main(String[] args) {
        testInstanceof(new Parent());
        System.out.println("---------------------------");
        testInstanceof(new Child());
    }
}
class Parent {
 
}
class Child extends Parent {
 
}
/*
输出:
x instanceof Parent:  true
x instanceof Child:  false
x getClass Parent:  true
x getClass Child:  false
---------------------------
x instanceof Parent:  true
x instanceof Child:  true
x getClass Parent:  false
x getClass Child:  true
*/
 
View Code

getClass是严格判断类似是否一致。父子类getClass也是不等的

instanceOf是判断是否为某个类型的实例,是包含子类的。

前面我们说到equal的几个原则,其中就有对称性

假设有父子类Father 和 Son ,Father使用instanceOf来重写equals,有father.equals(son)==true;

此时必然要求son.equals(father)==true也成立,想想我们能保证吗,假设son使用getClass也重写了equals呢。

所以一般情况下,建议使用getClass来严格判断类型是否一致。        

 

hashCode重写

hashCode需要使用那些用于判断equals的属性 来重写计算hashCode.

我们看看Objects.equals方法最终会调用如下方法:

public static int hashCode(Object a[]) {
        if (a == null)
            return 0;

        int result = 1;

        for (Object element : a)
            result = 31 * result + (element == null ? 0 : element.hashCode());

        return result;
    }

我们再看看String的hashCode

public int hashCode() {
        int h = hash;
        if (h == 0 && value.length > 0) {
            char val[] = value;

            for (int i = 0; i < value.length; i++) {
                h = 31 * h + val[i];
            }
            hash = h;
        }
        return h;
    }

注意没有,都会乘以31这个数字,为啥

effective java有如下2点解释

1、31是一个奇质数

      超过 50,000 个英文单词进行 hash code 运算,并使用常数 31, 33, 37, 39 和 41 作为乘子,每个常数算出的哈希值冲突数都小于7个(大神做的测试),可见质数能有效降低

     hash冲突率,2也是一个质数,如果用2作为因子,所得的数值区间比较小;hashCode冲突的可能会增加,如果用大的数如何101,hashCode计算的结果超过int类型的取值范围

     概率又增加,导致数据溢出,脱落程序控制。

 

2、x*31 的运行,JVM可优化通过位运算和减法运算获取 x*31 = (x << 5) -x ,CPU可以高效运行

 

参考引用:

https://blog.youkuaiyun.com/hzw19920329/article/details/51095413

 

转载于:https://www.cnblogs.com/yangfei629/p/11386443.html

【语音分离】基于平均谐波结构建模的无监督单声道音乐声源分离(Matlab代码实现)内容概要:本文介绍了基于平均谐波结构建模的无监督单声道音乐声源分离方法,并提供了相应的Matlab代码实现。该方法通过对音乐信号中的谐波结构进行建模,利用音源间的频率特征差异,实现对混合音频中不同乐器或人声成分的有效分离。整个过程无需标注数据,属于无监督学习范畴,适用于单通道录音场景下的语音与音乐分离任务。文中强调了算法的可复现性,并附带完整的仿真资源链接,便于读者学习与验证。; 适合人群:具备一定信号处理基础Matlab编程能力的高校学生、科研人员及从事音频处理、语音识别等相关领域的工程师;尤其适合希望深入理解声源分离原理并进行算法仿真实践的研究者。; 使用场景及目标:①用于音乐音频中人声与伴奏的分离,或不同乐器之间的分离;②支持无监督条件下的语音处理研究,推动盲源分离技术的发展;③作为学术论文复现、课程项目开发或科研原型验证的技术参考。; 阅读建议:建议读者结合提供的Matlab代码与网盘资料同步运行调试,重点关注谐波建模与频谱分解的实现细节,同时可扩展学习盲源分离中的其他方法如独立成分分析(ICA)或非负矩阵分解(NMF),以加深对音频信号分离机制的理解。
内容概要:本文系统介绍了新能源汽车领域智能底盘技术的发展背景、演进历程、核心技术架构及创新形态。文章指出智能底盘作为智能汽车的核心执行层,通过线控化(X-By-Wire)域控化实现驱动、制动、转向、悬架的精准主动控制,支撑高阶智能驾驶落地。技术发展历经机械、机电混合到智能三个阶段,当前以线控转向、线控制动、域控制器等为核心,并辅以传感器、车规级芯片、功能安全等配套技术。文中还重点探讨了“智能滑板底盘”这一创新形态,强调其高度集成化、模块化优势及其在成本、灵活性、空间利用等方面的潜力。最后通过“2025智能底盘先锋计划”的实车测试案例,展示了智能底盘在真实场景中的安全与性能表现,推动技术从研发走向市场验证。; 适合人群:汽车电子工程师、智能汽车研发人员、新能源汽车领域技术人员及对智能底盘技术感兴趣的从业者;具备一定汽车工程或控制系统基础知识的专业人士。; 使用场景及目标:①深入了解智能底盘的技术演进路径与系统架构;②掌握线控技术、域控制器、滑板底盘等关键技术原理与应用场景;③为智能汽车底盘研发、系统集成与技术创新提供理论支持与实践参考。; 阅读建议:建议结合实际车型技术标准进行延伸学习,关注政策导向与行业测试动态,注重理论与实车验证相结合,全面理解智能底盘从技术构想到商业化落地的全过程。
【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI复现】计及连锁故障传播路径的电力系统 N-k 多阶段双层优化及故障场景筛选模型(Matlab代码实现)》的技术资源,重点围绕电力系统中连锁故障的传播路径展开研究,提出了一种N-k多阶段双层优化模型,并结合故障场景筛选方法,用于提升电力系统在复杂故障条件下的安全性与鲁棒性。该模型通过Matlab代码实现,具备较强的工程应用价值学术参考意义,适用于电力系统风险评估、脆弱性分析及预防控制策略设计等场景。文中还列举了大量相关的科研技术支持方向,涵盖智能优化算法、机器学习、路径规划、信号处理、电力系统管理等多个领域,展示了广泛的仿真与复现能力。; 适合人群:具备电力系统、自动化、电气工程等相关背景,熟悉Matlab编程,有一定科研基础的研究生、高校教师及工程技术人员。; 使用场景及目标:①用于电力系统连锁故障建模与风险评估研究;②支撑高水平论文(如EI/SCI)的模型复现与算法验证;③为电网安全分析、故障传播防控提供优化决策工具;④结合YALMIP等工具进行数学规划求解,提升科研效率。; 阅读建议:建议读者结合提供的网盘资源,下载完整代码与案例进行实践操作,重点关注双层优化结构与场景筛选逻辑的设计思路,同时可参考文档中提及的其他复现案例拓展研究视野。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值